Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia
En el proyecto se presenta la implementación en tiempo real de la detección y clasificación de fenómenos de la calidad de la potencia. La propuesta diseñada se basa en el uso de la transformada de hilbert huang a las señales de voltaje trifásicas de un sistema de potencia para luego encontrar la fre...
- Autores:
-
Rozo Puentes, Juan David
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/59344
- Acceso en línea:
- http://hdl.handle.net/1992/59344
- Palabra clave:
- Calidad de la potencia
Tiempo real
Machine learning
Ingeniería
- Rights
- openAccess
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| id |
UNIANDES2_aff94a39283d9e585e3ffbdf18ded997 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/59344 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| title |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| spellingShingle |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia Calidad de la potencia Tiempo real Machine learning Ingeniería |
| title_short |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| title_full |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| title_fullStr |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| title_full_unstemmed |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| title_sort |
Implementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potencia |
| dc.creator.fl_str_mv |
Rozo Puentes, Juan David |
| dc.contributor.advisor.none.fl_str_mv |
Ramos López, Gustavo Giraldo Trujillo, Luis Felipe |
| dc.contributor.author.none.fl_str_mv |
Rozo Puentes, Juan David |
| dc.contributor.jury.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe |
| dc.subject.keyword.none.fl_str_mv |
Calidad de la potencia Tiempo real Machine learning |
| topic |
Calidad de la potencia Tiempo real Machine learning Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
En el proyecto se presenta la implementación en tiempo real de la detección y clasificación de fenómenos de la calidad de la potencia. La propuesta diseñada se basa en el uso de la transformada de hilbert huang a las señales de voltaje trifásicas de un sistema de potencia para luego encontrar la frecuencia instantánea. Se usan clasificadores multiclase entrenados con sags, swells, transitorios y armónicos. El microcontrolador utilizado para realizar la adquisición y el procesamiento de las señales es una Raspberry Pi 3. Typhoon HIL se utiliza para diseñar el sistema eléctrico base al que se le monitorea la calidad de la potencia. La principal razón de usar Typhoon HIL se debe a la facilidad de simular un circuito eléctrico en tiempo real y poder obtener las señales análogas del circuito por medio del HIL402. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-07-29T13:18:03Z |
| dc.date.available.none.fl_str_mv |
2022-07-29T13:18:03Z |
| dc.date.issued.none.fl_str_mv |
2022-06-30 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/59344 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/59344 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.es_CO.fl_str_mv |
J. D. Rozo, Detección de Fenómenos de la Calidad de la Potencia por medio de Algoritmos de Machine Learning, Universidad de los Andes, Tesis Pregrado, Bogotá. IEEE Recommended Practice for Monitoring Electric Power Quality, IEEE Std 1159- 2019 (Revision of IEEE Std 1159-2009), págs. 1-98, 2019. DOI: 10.1109/IEEESTD.2019.8796486. M. Sahani, P. Dash y D. Samal, A real-time power quality events recognition using variational mode decomposition and online-sequential extreme learning machine, Measurement, vol. 157, pág. 107 597, 2020, ISSN: 0263-2241. DOI: https://doi.org/ 10.1016/j.measurement.2020.107597. dirección: https://www.sciencedirect.com/science/article/pii/S0263224120301342. Z. Rui, Z. Run-xia y W. Tian-bo, The application of Hilbert-Huang transform in power quality detection En Proceedings of 2013 2nd International Conference on Measurement, Information and Control, vol. 02, 2013, págs. 983-986. DOI: 10.1109/MIC.2013.6758124. |
| dc.rights.license.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Eléctrica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/cdffda74-ec86-4cc8-81c3-0a9e3a2908b8/download https://repositorio.uniandes.edu.co/bitstreams/a9d3ab06-233d-44e6-8337-c8ee6560b675/download https://repositorio.uniandes.edu.co/bitstreams/4d921db7-7984-44fc-a6cd-63f04cbdda15/download https://repositorio.uniandes.edu.co/bitstreams/3afa1931-73f3-4ad7-a3b7-310273cf2bff/download https://repositorio.uniandes.edu.co/bitstreams/2152d7b1-c6af-49bb-b140-ef2c0e00d8f9/download https://repositorio.uniandes.edu.co/bitstreams/2d7cc333-45ea-49d7-9e95-0e4e0f50d1a8/download https://repositorio.uniandes.edu.co/bitstreams/6e3eea8d-540c-459d-bcd9-2825e5a6f0be/download https://repositorio.uniandes.edu.co/bitstreams/5da22900-644c-4217-8dac-85012a3fbd08/download |
| bitstream.checksum.fl_str_mv |
fe445b4e6243035a6c16860f249e0f5f 83d85b2bf060e5a09a544e9cb1ff450d 5aa5c691a1ffe97abd12c2966efcb8d6 43b592d4b273fcd951df4335710e25cb 53e14d2d780e94ce76767e6dc3150487 4460e5956bc1d1639be9ae6146a50347 89318e78a6e3491f631c57f203ba2c56 771269d6af4372dc734ad13089aab76a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133996028493824 |
| spelling |
Attribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ramos López, Gustavovirtual::12415-1Giraldo Trujillo, Luis Felipevirtual::12416-1Rozo Puentes, Juan David4d2600a8-eddd-40a3-8098-e5abbf9a562e600Zambrano Jacobo, Andrés Felipe2022-07-29T13:18:03Z2022-07-29T13:18:03Z2022-06-30http://hdl.handle.net/1992/59344instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En el proyecto se presenta la implementación en tiempo real de la detección y clasificación de fenómenos de la calidad de la potencia. La propuesta diseñada se basa en el uso de la transformada de hilbert huang a las señales de voltaje trifásicas de un sistema de potencia para luego encontrar la frecuencia instantánea. Se usan clasificadores multiclase entrenados con sags, swells, transitorios y armónicos. El microcontrolador utilizado para realizar la adquisición y el procesamiento de las señales es una Raspberry Pi 3. Typhoon HIL se utiliza para diseñar el sistema eléctrico base al que se le monitorea la calidad de la potencia. La principal razón de usar Typhoon HIL se debe a la facilidad de simular un circuito eléctrico en tiempo real y poder obtener las señales análogas del circuito por medio del HIL402.Ingeniero EléctricoPregradoapplication/pdfspaUniversidad de los AndesIngeniería EléctricaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaImplementación de técnicas de machine learning para la detección en tiempo real de los fenómenos de la calidad de la potenciaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPCalidad de la potenciaTiempo realMachine learningIngenieríaJ. D. Rozo, Detección de Fenómenos de la Calidad de la Potencia por medio de Algoritmos de Machine Learning, Universidad de los Andes, Tesis Pregrado, Bogotá.IEEE Recommended Practice for Monitoring Electric Power Quality, IEEE Std 1159- 2019 (Revision of IEEE Std 1159-2009), págs. 1-98, 2019. DOI: 10.1109/IEEESTD.2019.8796486.M. Sahani, P. Dash y D. Samal, A real-time power quality events recognition using variational mode decomposition and online-sequential extreme learning machine, Measurement, vol. 157, pág. 107 597, 2020, ISSN: 0263-2241. DOI: https://doi.org/ 10.1016/j.measurement.2020.107597. dirección: https://www.sciencedirect.com/science/article/pii/S0263224120301342.Z. Rui, Z. Run-xia y W. Tian-bo, The application of Hilbert-Huang transform in power quality detection En Proceedings of 2013 2nd International Conference on Measurement, Information and Control, vol. 02, 2013, págs. 983-986. DOI: 10.1109/MIC.2013.6758124.201730372Publicationhttps://scholar.google.es/citations?user=HbY10X8AAAAJvirtual::12415-1https://scholar.google.es/citations?user=4TGvo8AAAAJvirtual::12416-10000-0003-2240-7875virtual::12415-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000244902virtual::12415-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000802506virtual::12416-1dc8f4f9d-decb-4312-8e2d-ad9efc0336fevirtual::12415-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::12416-1dc8f4f9d-decb-4312-8e2d-ad9efc0336fevirtual::12415-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::12416-1ORIGINALIELE_PQ_TiempoReal.pdfIELE_PQ_TiempoReal.pdfProyecto de gradoapplication/pdf2391269https://repositorio.uniandes.edu.co/bitstreams/cdffda74-ec86-4cc8-81c3-0a9e3a2908b8/downloadfe445b4e6243035a6c16860f249e0f5fMD53Formato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdfFormato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdfHIDEapplication/pdf365905https://repositorio.uniandes.edu.co/bitstreams/a9d3ab06-233d-44e6-8337-c8ee6560b675/download83d85b2bf060e5a09a544e9cb1ff450dMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/4d921db7-7984-44fc-a6cd-63f04cbdda15/download5aa5c691a1ffe97abd12c2966efcb8d6MD51THUMBNAILIELE_PQ_TiempoReal.pdf.jpgIELE_PQ_TiempoReal.pdf.jpgIM Thumbnailimage/jpeg12421https://repositorio.uniandes.edu.co/bitstreams/3afa1931-73f3-4ad7-a3b7-310273cf2bff/download43b592d4b273fcd951df4335710e25cbMD56Formato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdf.jpgFormato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdf.jpgIM Thumbnailimage/jpeg16213https://repositorio.uniandes.edu.co/bitstreams/2152d7b1-c6af-49bb-b140-ef2c0e00d8f9/download53e14d2d780e94ce76767e6dc3150487MD58CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.uniandes.edu.co/bitstreams/2d7cc333-45ea-49d7-9e95-0e4e0f50d1a8/download4460e5956bc1d1639be9ae6146a50347MD52TEXTIELE_PQ_TiempoReal.pdf.txtIELE_PQ_TiempoReal.pdf.txtExtracted texttext/plain21672https://repositorio.uniandes.edu.co/bitstreams/6e3eea8d-540c-459d-bcd9-2825e5a6f0be/download89318e78a6e3491f631c57f203ba2c56MD55Formato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdf.txtFormato de Autorizacion y Entrega IELE JDRP_firmaLFG.pdf.txtExtracted texttext/plain1192https://repositorio.uniandes.edu.co/bitstreams/5da22900-644c-4217-8dac-85012a3fbd08/download771269d6af4372dc734ad13089aab76aMD571992/59344oai:repositorio.uniandes.edu.co:1992/593442024-05-15 08:56:06.537http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |